Optimización y extensión del algoritmo de codificación-decodificación basado en PWM para Redes Neuronales de Impulsos
Las Redes Neuronales de Impulsos (Spiking Neural Networks, SNN) son modelos neuronales que procesan la información en forma de spikes o series de impulsos en el dominio del tiempo, posibilitando el consumo ultrabajo. Sin embargo, debido a que la mayoría de los procesos reales manejan magnitudes físi...
Saved in:
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | Spanish |
| Published: |
Universitat Politècnica de València
2024-09-01
|
| Series: | Revista Iberoamericana de Automática e Informática Industrial RIAI |
| Subjects: | |
| Online Access: | https://polipapers.upv.es/index.php/RIAI/article/view/20836 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Las Redes Neuronales de Impulsos (Spiking Neural Networks, SNN) son modelos neuronales que procesan la información en forma de spikes o series de impulsos en el dominio del tiempo, posibilitando el consumo ultrabajo. Sin embargo, debido a que la mayoría de los procesos reales manejan magnitudes físicas de tipo real, para emplear este tipo de redes es necesario el uso de algoritmos de codificación y decodificación. El algoritmo de codificación basado en modulación por ancho de pulso (Pulse Width Modulation, PWM) es un novedoso algoritmo temporal de codificación que supera con creces la precisión de sus algoritmos predecesores a la hora de construir y reconstruir la señal original. A pesar de sus múltiples ventajas, este algoritmo presenta una serie de limitaciones: (a) requiere de dos valores consecutivos de la serie temporal original para poder codificar, lo cual imposibilita su uso en campos donde no existan relaciones cronológicas, como puede ser el tratamiento de imágenes; y (b) presenta posibilidades de ser optimizado computacional y energéticamente. Así, en este trabajo se presentan dos nuevas propuestas basadas en este algoritmo de codificación y decodificación que solventan las limitaciones mencionadas. Cabe destacar que ambas propuestas permiten reducir en más del doble el coste computacional y energético de los procesos de codificación y decodificación. |
|---|---|
| ISSN: | 1697-7912 1697-7920 |